오프라인으로 쓰는 ElevenLabs 대안

클라우드 음성 합성인가, 내 컴퓨터의 목소리 파일인가

ElevenLabs는 코드 없이 쓰는 웹 앱과, Python·TypeScript 공식 SDK를 갖춘 REST API를 제공합니다. 기업은 프라이빗 배포로 자체 클라우드에서 운영할 수도 있습니다. 어느 쪽이든 음성 합성은 호출해서 쓰는 서비스입니다.

SuperClonica에서는 Supertonic 3 목소리를 JSON 파일 하나로 받습니다. 엔진을 설치하고 기본 모델(약 400MB)을 한 번 내려받으면, 그다음 요청은 모두 내 CPU나 GPU에서 로컬로 처리됩니다.

개인정보: 텍스트가 어디로 가는가

클라우드 TTS에서는 읽히는 대본, 메시지, 문서가 모두 제공업체 서버로 보내지고 그 약관에 따라 처리됩니다. 광고 문구라면 문제 될 일이 거의 없습니다. 하지만 의료 기록, 사내 문서, 공개 전 게임 대사라면 이야기가 다릅니다.

로컬 음성 합성에서는 텍스트가 어디로도 가지 않습니다. SuperClonica 서버는 무엇을 읽는지 알지 못하고, 계정과 구매, 목소리 다운로드만 처리합니다. GitHub로 로그인하고 결제는 암호화폐로 합니다.

지연과 오프라인 작업

클라우드 요청에는 네트워크 왕복이 더해지고, 서비스에 접속할 수 있어야 합니다. 로컬 엔진에는 둘 다 없습니다. 저희 추정으로 SuperClonica는 8코어 데스크톱 CPU에서 실시간보다 6.4~9.7배 빠르게 음성을 만들어, 10초짜리 대사가 약 1.0~1.6초 만에 나옵니다. 비행기 안에서도, 폐쇄망에서도 마찬가지입니다.

그래서 음성을 제품 안에 넣을 수도 있습니다. 플레이어 PC에서 NPC 대사를 만드는 게임이나, ONNX Runtime Web으로 브라우저 안에서 모델을 돌리는 웹 앱이 그 예입니다.

구독인가, 목소리를 갖는 것인가

ElevenLabs는 월간 또는 연간 구독으로 판매되며, 사용량은 요금제 안에서 차감됩니다.

SuperClonica에서는 제작자가 미국 달러로 정한 가격에 목소리를 한 번만 삽니다. 무료 목소리도 있습니다. 파일은 라이브러리에 남고, 아무도 글자 수를 세지 않습니다. 얼마나 만들 수 있는지는 내 하드웨어에 달렸습니다. 구매한 목소리는 내 프로젝트용이며 재판매나 재배포는 할 수 없습니다.

ElevenLabs가 더 나은 점

ElevenLabs가 앞서는 부분도 분명히 있습니다.

• 언어: ElevenLabs 모델은 표준 중국어를 포함해 수십 개 언어를 지원합니다. Supertonic 3는 31개이며 중국어는 아직 없습니다.
• 바로 쓰는 목소리: 녹음으로 복제하거나 설명으로 목소리를 만드는 일을 브라우저에서 바로 할 수 있습니다. SuperClonica에서는 나만의 목소리를 학습하거나 의뢰해야 합니다.
• 설치 불필요: Python도, 모델 다운로드도, 내 하드웨어에서 돌릴 것도 없습니다.
• 더 넓은 플랫폼: 음성 에이전트와 다른 오디오 도구를 같은 계정에서 씁니다.

SuperClonica가 더 맞는 경우

다음과 같은 경우라면 SuperClonica가 맞습니다.

• 텍스트가 기기나 사내망 밖으로 나가면 안 될 때.
• 생성량이 많아 사용량 기반 요금이 부담될 때.
• 오프라인에서, 또는 배포하는 앱이나 게임 안에서 음성이 필요할 때.
• 구독에 묶이지 않고 목소리를 파일로 갖고 싶을 때.